在算法的黑盒子里，寻找具体的人。
大家好，我是金金～最近我们团队在复盘“AI 圣经故事”出海项目时，遇到了一个最棘手的战略分岔路口：
我们的内容，到底是做给谁看的？是做给 Gen Z（Z世代）？是做给 儿童？还是做给 中年或老年女性？
在过去，我们往往是“拍脑袋”决定——觉得哪个风格火就跟风做哪个。结果往往是，画面很精美，播放量也不错，但粉丝粘性极差，变现更是无从谈起。因为我们试图取悦所有人，最后谁也没留住。
为了跳出这个误区，我们决定不再盲目模仿，而是找了非常多的标杆账号，希望能进行深入的分析。但问题来了：盯着这些账号百万千万的播放量，怎么才能穿透屏幕，看清坐在对面的观众到底是谁？
我们利用自研的**【评论区分析插件】**，对几个头部的圣经账号进行了“CT扫描”级别的用户画像分析。
当数据跑出来的那一刻，我们之前的很多争论瞬间有了答案。今天，我想分享这个真实的选题案例，讲讲我们是如何利用工具撕开流量表象，通过精准锁定“那一群人”，从而倒推我们的画面风格、配音语速乃至脚本深度的。
下面我来给大家展示一个分析案例：
这是tiktok上的一个标杆账号，我们按照热门对它的视频进行排序。
挑选最爆的视频，进行用户画像分析。（目前，大家共识的最有效的用户分析，还是去看评论，因为这里是真实用户，留下的鲜活的痕迹。这也是插件要解决的主要问题）
1️⃣第一步，点击已经安装好的chrome 扩展插件，按照操作提示，我大概滚动刷新了这个爆款视频的前1000条评论。
2️⃣第二步，点击蓝色按钮“提取评论数据”，显示成功提取，
3️⃣第三步，我们再点击下方的绿色按钮“复制并去ChatgPT分析”
4️⃣我们一键复制的内容，不管是给到Gemini还是ChatGPT基本上，都能得到非常有深度的用户洞察。我给大家展示一下Gemini的分析结果。
我们早期靠人工读取评论做用户分析，真的完全没办法跟AI的分析比。（太粗糙，太低效，人脑提取信息量和解读信息量都太有限了）
结果非常有意思。插件帮我们从杂乱的信息中，精准剥离出了几个截然不同的用户群体。这直接改变了我们对“爆款选题”的定义。经过这些深入的用户画像分析，我们也发现自己原来的判断有很多局限性。具体的就不展开给大家讲了，以后有机会再分享。
以上只是给大家提供一个分析账号的方式，如果我们想真正的创作内容，我们一定要了解真实的用户。
在没有数据支撑前，选题是“猜”的；有了数据支撑后，选题是“定”的。
所有的答案，其实都藏在用户的反馈里。
